【技术实现步骤摘要】
本专利技术属于新能源电力，特别是涉及到一种依托于异步队列的新能源电力时序数据预测方法及装置。
技术介绍
1、基于机器学习的新能源电力时序数据预测方法是指利用机器学习技术，通过分析电力数据、气象数据以及其他相关数据，以最极限数量的模型投票方式获得时序数据预测的一种方法。所述时序数据包括如电力交易现货日前电价与电力交易现货实时电价的价差、月度均价、风电功率时序数据、光伏功率时序数据等等表现形式为按时间顺序的数据。
2、在新能源电力领域，虽然近年来随着大数据、人工智能等前沿技术的迅猛发展为本领域时间序列的预测带来了无限可能，然而，诸多问题依然存在：
3、1）使用深度学习模型对时序数据建模时对物理硬件要求过高，但是在实际场景中生产环境并不一定满足深度模型最基本的环境需求；
4、2）使用深度学习模型对时序数据建模时物理条件满足，但是因为性能不够好、模型层级过于复杂、内存溢出、显寸不足等因素，导致模型训练过慢、单位时间内无法大批量获取更多对照组实验以探索而获取更高预测精度模型；
5、3）使用深度学习模...
【技术保护点】
1.一种依托于异步队列的新能源电力时序数据预测方法，其特征在于，包括：
2.根据权利要求1所述的依托于异步队列的新能源电力时序数据预测方法，其特征在于，步骤S1中所述构建异步队列包括生产者节点、队列管理节点、消费者节点以及回调节点；所述队列管理节点中异步队列的架构由线程池管理，线程池上限由队列管理节点的核数控制，队列数量由具体队列名称管理，每一个队列对应不同业务，每一个队列内部消息由上游生产者节点推送而来；消费者节点通过常驻消费者进程基于异步队列中的消息，每次每个消费者进程阻塞消费一条消息，每次阻塞消费的一条消息，代表一个业务模块；消费结果数据返回于回调节
3...
【技术特征摘要】
1.一种依托于异步队列的新能源电力时序数据预测方法，其特征在于，包括：
2.根据权利要求1所述的依托于异步队列的新能源电力时序数据预测方法，其特征在于，步骤s1中所述构建异步队列包括生产者节点、队列管理节点、消费者节点以及回调节点；所述队列管理节点中异步队列的架构由线程池管理，线程池上限由队列管理节点的核数控制，队列数量由具体队列名称管理，每一个队列对应不同业务，每一个队列内部消息由上游生产者节点推送而来；消费者节点通过常驻消费者进程基于异步队列中的消息，每次每个消费者进程阻塞消费一条消息，每次阻塞消费的一条消息，代表一个业务模块；消费结果数据返回于回调节点。
3.根据权利要求1所述的依托于异步队列的新能源电力时序数据预测方法，其特征在于，步骤s2中获得的入参集合数据加密，生产者节点生产消息时进行数据解密并结合具体的业务场景组装成约定的通用规范范式json，推送到所述异步队列。
4.根据权利要求1所述的依托于异步队列的新能源电力时序数据预测方法，其特征在于，步骤s3中，根据消费到的消息，解析模型参数、数据参数、特征参数进行模型训练；根据解析到的数据参数，控制需要进入模型的数据周期、数据长度、数据范围、数据种类；根据解析到的特征参数，控制需要进入模型的特征。
5.根据权利要求4所述的依托于异步队列的新能源电力时序数据预测方法，其特征在于，步骤s3所述训练流程包括：
...【专利技术属性】
技术研发人员：雍正，李丹丹，何巍巍，
申请(专利权)人：国能日新科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。